硕士学位论文评阅意见

发布时间：2025年09月27日作者:aiycxz.cn

书论文题目：基于深度学习的多模态情感分析研究作者姓名：张浩作者学号： 201822020122所在学院：计算机学院专业名称：计算机科学与技术研究方向：自然语言处理论文开始日期： 2020年9月15日论文完成日期： 2021年4月15日评阅意见书：论文针对多模态情感分析任务，提出了基于多模态融合和基于多模态交互的方法，具有一定的理论意义和应用价值。论文的主要工作如下：1. 提出了一种基于多模态融合的方法，通过多模态特征提取和多模态特征融合，实现了多模态情感分析任务。2. 提出了一种基于多模态交互的方法，通过多模态特征交互和多模态特征融合，实现了多模态情感分析任务。3. 在公开数据集上进行了实验，验证了所提方法的有效性。论文结构合理，层次分明，语言流畅，图表规范，参考文献充分，表明作者掌握了本学科坚实的基础理论和系统的专门知识，具有独立从事科研工作的能力。论文达到了硕士学位论文水平。同意答辩。评阅人签名：日期：2021年5月28日硕士学位论文评阅意见书论文题目：基于深度学习的多模态情感分析研究作者姓名：张浩作者学号： 201822020122所在学院：计算机学院专业名称：计算机科学与技术研究方向：自然语言处理论文开始日期： 2020年9月15日论文完成日期： 2021年4月15日评阅意见书：论文针对多模态情感分析任务，提出了基于多模态融合和基于多模态交互的方法，具有一定的理论意义和应用价值。论文的主要工作如下：1. 提出了一种基于多模态融合的方法，通过多模态特征提取和多模态特征融合，实现了多模态情感分析任务。2. 提出了一种基于多模态交互的方法，通过多模态特征交互和多模态特征融合，实现了多模态情感分析任务。3. 在公开数据集上进行了实验，验证了所提方法的有效性。论文结构合理，层次分明，语言流畅，图表规范，参考文献充分，表明作者掌握了本学科坚实的基础理论和系统的专门知识，具有独立从事科研工作的能力。论文达到了硕士学位论文水平。同意答辩。评阅人签名：日期：2021年5月28日# 北京邮电大学硕士学位论文## 基于深度学习的多模态情感分析研究### 摘要随着互联网的快速发展，人们越来越倾向于在社交平台上分享自己的观点和情感。因此，如何从这些数据中提取出有用的信息，成为了一个重要的研究方向。多模态情感分析是情感分析的一个重要分支，它旨在从多种模态的数据中提取出情感信息。多模态情感分析任务通常包括文本、图像和音频等多种模态的数据。由于多模态数据的复杂性和多样性，多模态情感分析任务面临着许多挑战。本文主要研究了基于深度学习的多模态情感分析方法，主要工作如下：（1）提出了一种基于多模态融合的方法。该方法首先通过多模态特征提取模块提取出文本、图像和音频的特征，然后通过多模态特征融合模块将三种模态的特征进行融合，最后通过分类器进行情感分类。在多模态特征融合模块中，我们采用了注意力机制来动态地调整不同模态特征的权重，从而更好地融合多模态特征。（2）提出了一种基于多模态交互的方法。该方法通过多模态特征交互模块来捕捉不同模态之间的交互信息，然后通过多模态特征融合模块将交互后的特征进行融合，最后通过分类器进行情感分类。在多模态特征交互模块中，我们采用了跨模态注意力机制来捕捉不同模态之间的交互信息。（3）在公开数据集上进行了实验，验证了所提方法的有效性。实验结果表明，所提方法在多模态情感分析任务上取得了较好的性能。**关键词：** 多模态情感分析深度学习多模态融合多模态交互---# RESEARCH ON MULTIMODAL SENTIMENT ANALYSIS BASED ON DEEP LEARNING## ABSTRACTWith the rapid development of the Internet, people are increasingly inclined to share their opinions and emotions on social platforms. Therefore, how to extract useful information from these data has become an important research direction. Multimodal sentiment analysis is an important branch of sentiment analysis, which aims to extract emotional information from multiple modalities of data. Multimodal sentiment analysis tasks usually include data from multiple modalities such as text, images, and audio. Due to the complexity and diversity of multimodal data, multimodal sentiment analysis tasks face many challenges. This paper mainly studies multimodal sentiment analysis methods based on deep learning. The main work is as follows:(1) A method based on multimodal fusion is proposed. This method first extracts the features of text, images and audio through the multimodal feature extraction module, and then fuses the features of the three modalities through the multimodal feature fusion module, and finally performs sentiment